Характеристика и задачи корреляционно-регрессионного анализа

Корреляция и регрессия тесно связаны между собой: первая оценивает силу (тесноту) статистической связи, вторая исследует ее форму. И корреляция, и регрессия служат для установления соотношений между явлениями и для определения наличия или отсутствия связи между ними.

Задачи корреляционно-регрессионного анализа:

• 1) выбор спецификации модели, т. е. формулировки вида модели, исходя из соответствующей теории связи между переменными;
• 2) из всех факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы;
• 3) парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной. Поэтому необходимо знать, какие остальные факторы предполагаются неизменными, так как в дальнейшем анализе их придется учесть в модели и от простой регрессии перейти к множественной;
• 4) исследовать, как изменение одного признака меняет вариацию другого.

Предпосылки корреляционно-регрессионного анализа:

• 1) уравнение парной регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем в целом по совокупности наблюдений;
• 2) в уравнении регрессии корреляционная связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией;
• 3) случайная величина Е включает влияние неучтенных в модели факторов, случайных ошибок и особенностей измерения;
• 4) определенному значению признака-аргумента отвечает некоторое распределение признака функции.